ベイズ推定は、モデル（知識）と観測データ（結果）に基づいて、観測データを最もよく説明する仮説（原因）をひとつに絞り込んでいく過程である。正確な推定を行うためには、より多くの観測データがあった方がよいが、一般にデータを発生させている推定対象が不変とは限らない。このような状況に対して、割引率を導入することで、過去の影響力を弱め最近のデータほど重視する手法がある。割引率を大きくすれば、非定常環境への追従性は高まるが、逆に定常環境での正確性が失われるというトレードオフがある。 また正確な推定を行うためには、正しいモデルをもつ必要があるが、例えば未知の対象に対しては完全なモデルを用意することができない。このような場合、モデルを用いて推定を行いつつ、モデル自体を学習、修正していく必要がある。 本発表では、このような状況を扱う手法として、ベイズ推定に人間のような因果推論機能を組み込んだ拡張型ベイズ推定を提案する。シミュレーションによって、拡張型ベイズ推定が非定常環境にも柔軟に対応し、正確性と追従性のトレードオフを改善することを示し、因果推論が非定常環境下の推論において果たす役割について述べる。
